APUS-xDAN-4.0(MoE) TPS kalkulátor

Nyitott súlyok Qilin Hesheng Network Technology Co., Ltd. (APUS) 136B Paraméterek April 2024

Minden kártyát az alábbiak szerint értékelünk e modell alapján a választott kontextus hossza és minimális minőség szerint. A sebesség egy becslés egyetlen kérésre, amelyet a kártya memória sávszélessége és a modell mérete alapján számítunk ki, miután tömörítettük..

Kiszámítva ehhez a MODElhez

37 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

A100 SXM4 80 GB

80 GB · Q3_K_M · 17.1 tok/s

Leggyorsabb kártya

H100 NVL 94 GB

28.3 tok/s · 94 GB

Melyik GPU képes futtatni APUS-xDAN-4.0(MoE)?

Állítsa be a bemeneteket, olvassa el a választ

Kontekthossz tokenek

Egy hosszabb beszélgetés több memóriaigényt támaszt, ami kiszoríthatja ezt a modellt a kisebb kártyákról..

Minimum minőség

Elrejti azokat a GPU-kártyákat, amelyek csak a modellbe illeszkednének a compressziójuk ezen pont alá..

Kártyák keresése

Kártya memória

Olyan kártyákat is mutasson, amelyek nem tudják futtatni.

37 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
28.3 tok/s 17–45 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	83.0 GB	Q4_K_M	Szoros
28.2 tok/s 17–45 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	67.1 GB	Q3_K_M	Szoros
28.2 tok/s 17–45 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	67.1 GB	Q3_K_M	Szoros
24.9 tok/s 15–40 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	146.3 GB	Q8_0	Szoros
24.9 tok/s 15–40 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	146.3 GB	Q8_0	Kényelmes
24.2 tok/s 14–39 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	83.0 GB	Q4_K_M	Szoros
24.2 tok/s 14–39 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	83.0 GB	Q4_K_M	Szoros
24.2 tok/s 14–39 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	83.0 GB	Q4_K_M	Szoros
23.1 tok/s 14–37 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	114.6 GB	Q6_K	Szoros
22.1 tok/s 13–35 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	114.6 GB	Q6_K	Szoros
22.1 tok/s 13–35 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	114.6 GB	Q6_K	Szoros
19.9 tok/s 12–32 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	146.3 GB	Q8_0	Kényelmes
19.9 tok/s 12–32 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	146.3 GB	Q8_0	Kényelmes
18.8 tok/s 11–30 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	114.6 GB	Q6_K	Szoros
17.1 tok/s 10–27 · alacsony bizalom	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	67.1 GB	Q3_K_M	Szoros
17.1 tok/s 10–27 · alacsony bizalom	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	67.1 GB	Q3_K_M	Szoros
17.1 tok/s 10–27 · alacsony bizalom	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	67.1 GB	Q3_K_M	Szoros
17.1 tok/s 10–27 · alacsony bizalom	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	67.1 GB	Q3_K_M	Szoros
17.1 tok/s 10–27 · alacsony bizalom	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	67.1 GB	Q3_K_M	Szoros
17.1 tok/s 10–27 · alacsony bizalom	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	67.1 GB	Q3_K_M	Szoros
16.3 tok/s 10–26 · alacsony bizalom	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	67.1 GB	Q3_K_M	Szoros
16.3 tok/s 10–26 · alacsony bizalom	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	67.1 GB	Q3_K_M	Szoros
14.6 tok/s 9–23 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	146.3 GB	Q8_0	Kényelmes
12.9 tok/s 8–21 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	146.3 GB	Q8_0	Szoros
12.9 tok/s 8–21 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	146.3 GB	Q8_0	Szoros

A sebességek egyetlen kérésre - egy beszélgetés egy időben - vonatkozó becslések, amelyeket a MEMORY BANDWIDTH, a MODEL SIZE és a QUANTISATION alapján számítanak ki. A valós áteresztőképesség változik az INFERENCE RUNTIME és annak verziója szerint. A HARDWARE VENDORS által közzétett számok sok párhuzamos kérést mérnek, és sokkal magasabbak..

Nyilvántartásban

Teljes specifikáció

Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..

Eredet

Ki építette ezt a modellt, hol, és mikor publikálták.

Szervezet: Qilin Hesheng Network Technology Co., Ltd. (APUS)
Szervezet típusa: Industry
Ország: China
Közölt: 2 April 2024

Mit csinál

A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.

Tartomány: Multimodal, Language
Feladat: Chat, Recommender system, Image generation, Language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning

Méret

Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.

Paraméterek: 136B
Képzési adatok: tokens

Elérhetőség

Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.

Súlyok: Open — downloadable
Modell hozzáférés: Open weights (restricted use)
Képzés kód: Unreleased
Hugging Face: xDAN-AI

Hogyan van besorolva

Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.

Nyilvántartási bizalom: Confident

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: A Trillion-Parameter MOE Architecture Model Outperforms Grok1, Compatible with 4090 Graphics Card
Utoljára frissítve: 11 February 2026

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni APUS-xDAN-4.0(MoE)

A másodpercenkénti becsült tokenek alapján rangsorolva, a legújabb kártyát először, ahol a sebességek azonosak. Mivel a generálás a MEMÓRIA SZÉLESSÉGÉhez van kötve, ez a sorrend a sávszélességet követi, nem pedig bármilyen játékbeli tesztet..

A legkisebb GPU-k, amik még futnak APUS-xDAN-4.0(MoE)

A legolcsóbb út, a memória kapacitás alapján. Egy szoros illeszkedés futtatja a modellt, de semmit sem hagy a hosszabb beszélgetésre..

Mit jelentenek a számok

A hardver oldal

Minimális kártya

A100 SXM4 80 GB

Szükséges memória

67.1 GB

Leggyorsabb

28.3 tok/s

APUS-xDAN-4.0(MoE) eléri a paraméterek számát 136B. Ez a fogyasztói hardveren felül helyezi, abba a tartományba, ahol egy kártyát ezért a célért vásárolnak, nem pedig átalakítanak erre. Az általunk nyomon követett kártyák száma, amelyek elférnek benne: 37.

az alsó végén ezt kezelik A100 SXM4 80 GB, memória kapacitással rendelkezik 80 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 17.1 tokenek másodpercenként

A leggyorsabb eredmény a következőből származik H100 NVL 94 GB, nagyjából generálás 28.3 másodpercenkénti tokenek egy memória sávszélesség erejében 3,940 GB/s.

Erről a modelről

APUS-xDAN-4.0(MoE) ki lett adva által Qilin Hesheng Network Technology Co., Ltd. (APUS), az országban rögzítve mint China, alatt April 2024. A kiadó szervezet a következő kategóriába tartozik industry.

Működik a területen a Multimodal, Language, és úgy van rögzítve, mint a feladat végrehajtása chat, Recommender system, Image generation, Language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning.

A nyílt súlyok az okai annak, hogy ez az oldal a kalkulátorban van, és nem csak a katalógusban: ez egy olyan modell, amit valójában meg tudsz tartani. A Hugging Face-en az alábbi szervezet alatt van publikálva xDAN-AI.

Milyen gyorsan fut, és miért

A kártyák felének, amelyek tartják, több mint 17.1 másodpercenkénti tokenek 33 tőlük

Minden súly részt vesz minden tokenben itt, így a sávszélesség a teljes történet: az alábbi rangsor lényegében a memória átbocsátóképességének rangsora.

Itt a memória méret alapján van megbecsülve, nem pedig az architektúrából számítva, amely nincs rögzítve ennél a modellnél — a számok tájékoztató jellegűek, nem pontosak.

Lépésről lépésre

Hogyan válasszunk GPU-t a APUS-xDAN-4.0(MoE)

A fenti táblázat már értékelte az összes kártyát, amelynek specifikációi elérhetők ennek a modellen. A válaszod megszerzése hat lépést igényel..

01

Kezdj a GPU VRAM oszloptól.

Minden kártyát itt leellenőriztünk a következőkkel szemben APUS-xDAN-4.0(MoE), körülbelül szükséges 67.1 GB a tömörítésnél Q3_K_M. A kapacitás a kapu — egy kártya vagy tartalmazza, vagy nem.
02

Illeszd a kontextust a tényleges használatodhoz.

A hosszabb beszélgetések memóriaigénye van a súlyok szükségletén kívül. Húzd el a csúszkát a valódi munkahosszodra, mielőtt bármelyik sort megbízhatónak tartanád. APUS-xDAN-4.0(MoE).
03

Állítsa be a minőségi minimumot

A tömörítés az, ami lehetővé teszi, hogy egy modell kisebb kártyákra illeszkedjen, bizonyos költséggel a pontosság terén., elérni egy tömörítést a Q3_K_M a legkisebb kártyán, ami elfér. A minimális minőség beállítása eldobja azokat a kártyákat, amelyek csak úgy tudják kezelni, hogy tovább szorítanak, mint amit szeretnél, és egy szinten tartja az összehasonlítást.
04

Rangsoroljon átbocsátás alapján, nem pedig specifikációs lap szerint.

Rendezze sebesség szerint, hogy lássa, hogyan rangsorolnak a kártyák. APUS-xDAN-4.0(MoE). Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA H100 NVL 94 GB, at 28.3 tok/s
05

Nézd a mozgásteret, ne csak a passzolást.

Egy szűk elhelyezés fut, de nem hagy semmit egy hosszabb beszélgetésre, az esetében APUS-xDAN-4.0(MoE). A Kényelmes azt jelenti, hogy később bővítheted a contextet. Ez a különbség fontosabb, mint néhány token másodpercenként, így kényelmeset vásárolj, ha ezt várod.
06

Nézd meg a kártyát a másik oldalról.

Minden kártyanév egy saját oldalra mutat, amely ugyanazt a számítást végzi el az egész modell kataloguson. Egy kártyát általában több modellhez is vásárolnak, ezért érdemes megnézni vásárlás előtt. APUS-xDAN-4.0(MoE).

Válaszok

APUS-xDAN-4.0(MoE) — gyakori kérdések

APUS-xDAN-4.0(MoE)— Futtatna-e két GPU gyorsabban?

Egy második Kártya körülbelül megduplázza a rendelkezésre álló MEMÓRIÁT, de nem a generálási sebességet. A szám, amely már képes egyedül futtatni: 37. Tehát egy második KÁRTYA ritkán a megoldás itt.

APUS-xDAN-4.0(MoE)— miért különbözik a kvantálás a kártyák között?

Mivel a kapacitás változik, úgy az is, hogy mennyire kell összenyomni. A fenti táblázatban lévő különböző szintek száma: 5. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

APUS-xDAN-4.0(MoE)— Mennyire pontosak ezek a sebességbecslések?

Ezek becslések valós hibahatárokkal, és bármelyikük ésszerűen bárhol elhelyezkedhet a közzétett tartományán belül, attól függően, hogy milyen futtatási időt használsz. A leggyorsabb eredmény itt: 17–45 tok/s a fájlban H100 NVL 94 GB. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

APUS-xDAN-4.0(MoE)— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az A100 SXM4 80 GB, memória kapacitással rendelkezik 80 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 67.1 GB, és körülbelül 17.1 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 37.

APUS-xDAN-4.0(MoE)— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az H100 NVL 94 GB, körülbelül 28.3 tokenek másodpercenként; a leglassabb, ami még fut, jelentősen kevesebbet képes kezelni. Az olvasási sebesség körülbelül tíz token másodpercenként, és a kártyák száma, amelyek ezt meg tudják tisztítani: 33.

APUS-xDAN-4.0(MoE)— mennyi VRAM-ra van szüksége?

Kb. 67.1 GB tömörítési arányban Q3_K_M, melyik az a legkisebb KÁRTYA, amelyik futtatni tudja. Kevesebb tömörítés több szükséges: a fentebbi memória oszlop számai minden KÁRTYÁRA újraszámításra kerülnek, mert mindegyik tartalmazza a legkevésbé tömörített verziót, amit csak tud.

APUS-xDAN-4.0(MoE)— Nyílt forráskódú?

Súlyai közzétételre kerültek, így letölthető és futtatható a saját hardvereden. Ne feledd, hogy az open weight nem azonos az open source teljes értelmében — nem mond semmit a tanulási adatokkal, a tanulási kóddal vagy a kereskedelmi feltételekkel kapcsolatban.

APUS-xDAN-4.0(MoE)— Hány paramétere van?

Paraméterszáma 136B. According to reports, APUS-xDAN-4.0 (MoE) is the first open source large model in China with a MoE architecture of more than 100 billion parameters, with a parameter scale of 136 billion. This is also the largest open source model in China. Among the previous large open source models in China, the largest parameter scale was Alibaba's Qianwen 72B with 72 billion parameters, with a parameter scale of 72 billion. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.

APUS-xDAN-4.0(MoE)— Ki készítette ezt?

Kiadta Qilin Hesheng Network Technology Co., Ltd. (APUS), alapján China, egy szervezet, amelyet kategorizáltak mint industry.

APUS-xDAN-4.0(MoE)— Mikor adták ki?

Kibocsátották a April 2024. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.

APUS-xDAN-4.0(MoE)— Mire használják?

Működik a területen a Multimodal, Language, és rögzítve van, hogy kezeli a feladatot chat, Recommender system, Image generation, Language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.

APUS-xDAN-4.0(MoE)— Hol tudom letölteni?

Súlyait a Hugging Face-en tette közzé, a szervezet alatt xDAN-AI. Nem tárolunk modell fájlokat — ez az oldal kiszámolja, hogy milyen hardver szükséges a futtatásukhoz.

APUS-xDAN-4.0(MoE)— Futtathatom, ha nem fér el a GPU-mban?

Részben. Azok a rétegek, amelyek nem férnek el a GPU VRAM-ban, a rendszer memóriájában ülnek és a sebesség egy töredékén futnak, így egy túlnyomórészt áthelyezett AI model használata ritkán éri meg. A legközelebbi hiba, amit számítunk, alulmúlja 18.2 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

Forrás

Eredeti kiadvány

Az utolsó frissítés időpontja 11 February 2026

A másik irány

Másik oldalról nézve?

Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..

Minden AI modell